論文の概要: Navigating Expertise in Configurable Software Systems through the Maze
of Variability
- arxiv url: http://arxiv.org/abs/2401.10699v1
- Date: Fri, 19 Jan 2024 14:03:33 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-22 15:44:30.872951
- Title: Navigating Expertise in Configurable Software Systems through the Maze
of Variability
- Title(参考訳): 可変性の迷路による構成可能なソフトウェアシステムのエキスパートのナビゲーション
- Authors: Karolina Milano, Bruno Cafeo
- Abstract要約: 本研究では,CSSにおける開発作業の分散について検討する。
また、割り当てられたファイルに可変コードを持つ特定専門家の関与についても調べる。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: The understanding of source code in large-scale software systems poses a
challenge for developers. The role of expertise in source code becomes critical
for identifying developers accountable for substantial changes. However, in the
context of configurable software systems (CSS) using pre-processing and
conditional compilation, conventional expertise metrics may encounter
limitations due to the non-alignment of variability implementation with the
natural module structure. This early research study investigates the
distribution of development efforts in CSS, specifically focusing on variable
and mandatory code. It also examines the engagement of designated experts with
variable code in their assigned files. The findings provide insights into task
allocation dynamics and raise questions about the applicability of existing
metrics, laying the groundwork for alternative approaches to assess developer
expertise in handling variable code. This research aims to contribute to a
comprehensive understanding of challenges within CSS, marking initial steps
toward advancing the evaluation of expertise in this context.
- Abstract(参考訳): 大規模ソフトウェアシステムにおけるソースコードの理解は、開発者にとって大きな課題となる。
ソースコードにおける専門知識の役割は、実質的な変更に責任を持つ開発者を特定するために重要になる。
しかし、事前処理と条件コンパイルを用いた構成可能なソフトウェアシステム(CSS)の文脈では、従来の専門知識メトリクスは、自然モジュール構造による可変性の実装の非調整のために制限に直面する可能性がある。
この初期の研究では、CSSにおける開発作業の分散、特に変数および必須コードに焦点を当てている。
また、割り当てられたファイルに可変コードを持つ特定専門家の関与についても調べる。
この調査結果は、タスク割り当てのダイナミクスに関する洞察を提供し、既存のメトリクスの適用可能性に関する疑問を提起し、可変コードを扱う開発者の専門知識を評価するための代替アプローチの土台を築いている。
本研究は,CSSにおける課題の包括的理解に寄与することを目的としており,この文脈における専門知識の評価を推し進めるための最初のステップを示す。
関連論文リスト
- How Far Have We Gone in Stripped Binary Code Understanding Using Large Language Models [51.527805834378974]
バイナリコード理解におけるLarge Language Models(LLM)の有効性を評価するためのベンチマークを提案する。
評価の結果、既存のLLMはバイナリコードをある程度理解でき、それによってバイナリコード解析の効率が向上することが明らかとなった。
論文 参考訳(メタデータ) (2024-04-15T14:44:08Z) - A Survey of Neural Code Intelligence: Paradigms, Advances and Beyond [84.95530356322621]
この調査は、コードインテリジェンスの発展に関する体系的なレビューを示す。
50以上の代表モデルとその変種、20以上のタスクのカテゴリ、および680以上の関連する広範な研究をカバーしている。
発達軌道の考察に基づいて、コードインテリジェンスとより広範なマシンインテリジェンスとの間の新たな相乗効果について検討する。
論文 参考訳(メタデータ) (2024-03-21T08:54:56Z) - DevBench: A Comprehensive Benchmark for Software Development [72.24266814625685]
DevBenchは、ソフトウェア開発ライフサイクルのさまざまな段階にわたる大規模言語モデル(LLM)を評価するベンチマークである。
GPT-4-Turboを含む現在のLLMは、DevBench内での課題の解決に失敗している。
本研究は,LLMを現実のプログラミングアプリケーションに展開する上で,現実的な知見を提供するものである。
論文 参考訳(メタデータ) (2024-03-13T15:13:44Z) - Help Me to Understand this Commit! -- A Vision for Contextualized Code
Reviews [4.87707664110891]
Modern Code Reviewでコード理解を改善するためのビジョンを提供することを目標としています。
我々は,4種類のサポートシステムを特定し,コンテクスト化されたコードレビュー環境を提案する。
論文 参考訳(メタデータ) (2024-02-14T19:08:47Z) - A Comprehensive Study of Knowledge Editing for Large Language Models [82.65729336401027]
大規模言語モデル(LLM)は、人間のコミュニケーションを忠実に反映したテキストの理解と生成の素晴らしい能力を示している。
本稿では,知識編集の問題を定義し,最先端アプローチの包括的レビューを行う。
我々は,代表的知識編集アプローチの総合的評価のための新しいベンチマークであるKnowEditを紹介した。
論文 参考訳(メタデータ) (2024-01-02T16:54:58Z) - Towards Trustworthy AI Software Development Assistance [0.599251270168187]
現在のソフトウェア開発アシスタントは信頼できない傾向があり、しばしば誤った、安全でない、あるいは品質の低いコードを生成する。
我々は、信頼できるAIソフトウェア開発アシスタントの構築、トレーニング、使用のための全体的アーキテクチャを導入することで、これらの問題を解決することを目指している。
論文 参考訳(メタデータ) (2023-12-14T16:59:49Z) - Chatbots As Fluent Polyglots: Revisiting Breakthrough Code Snippets [0.0]
この研究は、AI駆動のコードアシスタントを使用して、現代技術を形成する影響力のあるコンピュータコードの選択を分析する。
この研究の最初の貢献は、過去50年で最も重要なコードの進歩の半分を調査することであった。
論文 参考訳(メタデータ) (2023-01-05T23:17:17Z) - MLSmellHound: A Context-Aware Code Analysis Tool [4.157846027410602]
コード分析ツールは、複数のプログラミング言語として表されるチーム内の文化的な違いを考慮に入れなければならない。
既存のツールはこれらの文化的な違いを識別できず、機械学習プロジェクトへの採用を減らすソフトウェアエンジニアリングに向けられている。
このアプローチでは、ソースコードの目的(i)技術ドメイン(iii)問題ドメイン(iv)チームノルム(v)開発ライフサイクルステージを含むコンテキストの利用を探索し、この問題を解決しようと試みています。
これにより、エンドユーザーに対してコンテキスト化された意味のあるエラーレポートが可能になる。
論文 参考訳(メタデータ) (2022-05-08T06:01:22Z) - CoreDiag: Eliminating Redundancy in Constraint Sets [68.8204255655161]
最小コア(最小非冗長制約集合)の決定に利用できる新しいアルゴリズムを提案する。
このアルゴリズムは、冗長性の度合いが高い分散知識工学シナリオにおいて特に有用である。
本手法の適用可能性を示すために, 商業的構成知識ベースを用いた実証的研究を実施した。
論文 参考訳(メタデータ) (2021-02-24T09:16:10Z) - Decision Rule Elicitation for Domain Adaptation [93.02675868486932]
ヒトインザループ機械学習は、専門家からラベルを引き出すために人工知能(AI)で広く使用されています。
この作業では、専門家が意思決定を説明する決定ルールを作成できるようにします。
決定規則の適用はアルゴリズムのドメイン適応を改善し、専門家の知識をAIモデルに広めるのに役立つことを示す。
論文 参考訳(メタデータ) (2021-02-23T08:07:22Z) - Representation of Developer Expertise in Open Source Software [12.583969739954526]
We use the World of Code infrastructure to extract the complete set of APIs in the file changed by the open source developer。
次に、API、開発者、プロジェクトのベクター表現にDoc2Vecの埋め込みを使用します。
これらの埋め込みがスキル空間の仮定トポロジを反映しているかどうかを評価する。
論文 参考訳(メタデータ) (2020-05-20T16:36:07Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。